open-llm-leaderboard-old/details_abacusai__MetaMath-bagel-34b-v0.2-c1500

该数据集是在Open LLM Leaderboard上对模型abacusai/MetaMath-bagel-34b-v0.2-c1500进行评估时自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集由2次运行生成，每次运行的结果作为特定配置中的一个分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，results配置存储了所有运行的聚合结果，并用于计算和显示Open LLM Leaderboard上的聚合指标。

原始信息汇总

数据集概述

数据集基本信息

• 名称: Evaluation run of abacusai/MetaMath-bagel-34b-v0.2-c1500
• 来源: 自动创建于模型 abacusai/MetaMath-bagel-34b-v0.2-c1500 在 Open LLM Leaderboard 的评估运行中。

数据集组成

• 配置数量: 63 个配置，每个配置对应一个评估任务。
• 运行次数: 数据集从 2 次运行中创建，每个运行在每个配置中作为一个特定的分割存在，分割名称使用运行的时间戳。
• 最新结果: "train" 分割总是指向最新的结果。
• 结果汇总: 一个额外的配置 "results" 存储所有运行的汇总结果，用于计算和显示在 Open LLM Leaderboard 上的聚合指标。

数据加载示例

python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_abacusai__MetaMath-bagel-34b-v0.2-c1500", "harness_winogrande_5", split="train")

最新结果

• 最新结果时间戳: 2024-01-17T09:50:20.465897
• 详细结果: 包含多个任务的准确率（acc）、标准化准确率（acc_norm）、标准误差（acc_stderr、acc_norm_stderr）等指标。

配置详情

• 配置名称: harness_arc_challenge_25

  • 数据文件:
    • 分割: 2024_01_17T09_47_33.246115
      • 路径: **/details_harness|arc:challenge|25_2024-01-17T09-47-33.246115.parquet
    • 分割: 2024_01_17T09_50_20.465897
      • 路径: **/details_harness|arc:challenge|25_2024-01-17T09-50-20.465897.parquet
    • 分割: latest
      • 路径: **/details_harness|arc:challenge|25_2024-01-17T09-50-20.465897.parquet

• 配置名称: harness_gsm8k_5

  • 数据文件:
    • 分割: 2024_01_17T09_47_33.246115
      • 路径: **/details_harness|gsm8k|5_2024-01-17T09-47-33.246115.parquet
    • 分割: 2024_01_17T09_50_20.465897
      • 路径: **/details_harness|gsm8k|5_2024-01-17T09-50-20.465897.parquet
    • 分割: latest
      • 路径: **/details_harness|gsm8k|5_2024-01-17T09-50-20.465897.parquet

• 配置名称: harness_hellaswag_10

  • 数据文件:
    • 分割: 2024_01_17T09_47_33.246115
      • 路径: **/details_harness|hellaswag|10_2024-01-17T09-47-33.246115.parquet
    • 分割: 2024_01_17T09_50_20.465897
      • 路径: **/details_harness|hellaswag|10_2024-01-17T09-50-20.465897.parquet
    • 分割: latest
      • 路径: **/details_harness|hellaswag|10_2024-01-17T09-50-20.465897.parquet

• 配置名称: harness_hendrycksTest_5

  • 数据文件:
    • 分割: 2024_01_17T09_47_33.246115
      • 路径:
        • **/details_harness|hendrycksTest-abstract_algebra|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-anatomy|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-astronomy|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-business_ethics|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-clinical_knowledge|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-college_biology|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-college_chemistry|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-college_computer_science|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-college_mathematics|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-college_medicine|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-college_physics|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-computer_security|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-conceptual_physics|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-econometrics|5_2024-01-17T09-47-33.246115.parquet
        • **/details_harness|hendrycksTest-electrical_engineering|5_2024-01-17T09-47-33.246115.parquet